1
Amy 原创整理｜资料核验：2026-10-30
scikit-learn 的 balanced_accuracy_score 文档将平衡准确率定义为各类别召回率的平均值，用于二分类或多分类评估。默认 adjusted=False 时，它与普通 accuracy 的计数方式不同。
教学示例：测试集有 90 个 A 和 10 个 B，模型把全部样本预测成 A。普通准确率是 90%；A 类召回率为 1，B 类召回率为 0，因此平衡准确率是 (1+0)/2=0.5。这个例子是人为构造的，不对应某个真实模型的成绩。
Amy 的建议：汇报不平衡分类结果时，把各类样本数、各类召回率和混淆矩阵一起展示。平衡准确率能让少数类被忽略的问题更明显，但不能替你决定漏报与误报哪个代价更高，也不是预测概率的校准指标。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.balanced_accuracy_score.html